人工智能通识文章索引
系统智能可以视为所有智能的根本模式，这一小节我们将从系统智能中揭示智能的真正来源。
位于美国亚利桑那州的羚羊峡谷Antelope Canyon，是世界上著名的裂缝峡谷之一，也是摄影圣地，因为这里的岩石有着神奇的造型和优美的流线纹理。
砂岩的质地相对比较软，数百万年来，地壳的裂缝变化，加之暴雨洪水的不断冲刷，以及经久的风力侵蚀，各种综合自然力量形成了如此神奇的地貌。
羚羊峡谷并非唯一，在我国陕西延安市也有类似地貌的雨岔峡谷。
大自然之力建造的奇迹很多，其中另一个就是北爱尔兰大西洋沿岸的巨人堤道Giant's Causeway。总计约4万根六角形玄武岩石柱组成8公里的海岸，有的石柱高出海面6m以上，最高者达12m左右，石柱连绵有序，呈阶梯状延伸入海，非常壮观。
巨人堤道的成因可以追溯到1亿多年前的白垩纪，地壳运动引起的火山喷发，火山熔岩不断冷却结晶后形成规则的六边形状态。
类似的天然石柱群在美国加州魔鬼柱公园、中国江苏六合县、苏格兰斯塔法岛等多处都有存在。
生命是大自然创造的最伟大奇迹。生物群及其生活环境在陆地和海洋中构成了各种不同类型的生态系统。
以其顽强的生命力，珊瑚虫经受了地球20多亿年各种生态变化的考验，无论是火山爆发还是大陆漂移。然而，最近人类百年的活动，已经让珊瑚虫这个物种面临了灭顶之灾。
公司、社区、城市以至于国家和民族，人类在地球上创建了规模最为庞大和复杂的社会系统。
世界最大城市，纽约，2000多万人生活在1200平方公里土地上，高层建筑数量超过6400座，全球每年来访人数超过5000万。
系统System泛指由一群有关联的个体组成，根据某种规则运作，能完成个别元件不能单独完成的工作的群体。
所有智能的表现都依赖于某个系统才能实现。
风、雨、潮汐以及地壳运动，整个气候系统的协同运作，创造了各种富有智能表现力的“神迹”，可以是异常规则的地貌特征，也可以是诡谲难测的飓风地震火山爆发。
生物依赖于细胞内的各种物质共同的化学反应，使其能够适应环境获得生存机会。完全由生物体组成的蚁群、蜂群，通过个体之间的协作完成更为复杂的高智能行为。各种生物以及人类加之其赖以生存的周围环境，则形成了更为复杂的生态系统，丛林的繁茂，城市的兴盛，以至于国家民族之间的战争，都展示了更大系统才能表现的智能行为。
智能从何而来？
从大脑？从神经元？从神经信号和化学物质？我们需要的不是这种答案，因为我们真正想要的不是智能的发源地，而是智能的发生机制，这就像牛顿关心的不是苹果长在哪里，落向哪里，而是什么原因导致苹果发生运动。
下面两个概念将对这个问题的回答起到重要作用。
支配整个宇宙的热力学三大定律之一的热力学第二定律，也叫做墒(读音shāng)增定律，科学表述是，相对封闭的系统内热力学行为总是朝着热力学平衡方向发展，即朝着墒最大化的方向发展，此过程不可逆转。
习惯把熵称之为无序性、混乱度或者类似的说法，然而从墒增定律中得知，熵代表了封闭系统的热平衡程度。
气体的温度和压力本质是气体分子运动的结果，当我们向方盒内充气的时候，气体分子总是自发的均匀充满整个盒子，如图所示，当分子均匀分布后整个系统才会稳定下来。同样，将牛奶倒入咖啡或者将冷水注入热水，液体分子也会快速向平衡状态运动，最终实现均匀混合，整杯水温度统一。
把一杯水倒在桌上，这是大约1025个水分子在重力影响下共同运动的结果，最终直到这个由桌面、重力和水分子构成的系统达到平衡才会停止。
平衡态并不是指所有分子都无法运动，而恰恰相反，平衡态的每个分子获得了最大的运动自由，受到最少的约束，进入了最大可能的随机状态。这时分子的运动能力仍然和物体温度一致，温度越大，运动越快。
宇宙的熵也是随着时间而增加的，当整个宇宙达到最大平衡态实现最大熵的时候，所有物质温度达到热平衡，再也没有任何可以维持运动或是生命的能量存在，科学家称之为“热寂”，Heat death of the universe。
据计算，在10的10的56次方次方之后才能达到热寂。热寂并非所有分子和原子都停止运动，因为温度只是无限接近0度，所以分子运动也只是无限接近停止。所谓热死亡只是表示全宇宙都均匀的处在这么低的能量和温度状态，不能再发生有效的任何化学反应来生成新的物质，更不用说行星或者生命。
第二个概念是涌现Emergence，它描述的是一种现象，即整体总是具有一些特别的属性，而这些属性并不存在于构成整体的子单元中，而这些整体的特殊属性又是依赖于子单元的相互作用而产生的。
比如温度，一杯水有温度属性，但杯中的每个水分子都没有温度这个属性，这个整体的温度属性，是由全部水分子的热运动而共同形成的。这里，我们把每个水分子的状态称之为微观态Microstate，把整杯水称之为宏观态Macrostate，那么我开可以说，宏观态上可以涌现出微观态不具有的新属性，而这种新属性正是微观态综合作用的结果。
另外一个直观的例子是球队，每个人都不具有“阵型”这个属性，但是当11个人组成足球队上场之后，就有了“阵型”这个属性。类似的还有很多，比如公司、社区、国家、民族等。
只用一个数字，你可以显示0~9共10种可能，但使用两个数字，我们就可以显示100种可能。
在信息概念中，1+1大于2，或者1xN>N的情况非常普遍，自然界中微观态之间相互作用，往往并不是我们可以用加减乘除数学符号所能完全表达的。
正如蜘蛛侠电影中的沙人角色一样，每个沙粒都如此简单，但由沙粒组成的人却能跑能跳能说会道。这虽然是个科幻角色，但我们的人体又何尝不是众多普通细胞构成的？
2013年，哈弗大学应用计算科学研究所的维斯那·格罗斯提出了因果熵力Causal Entropic Force智能理论，该理论指出，智能是一种力，它总是指向让智能体最大化自身未来行动可能的方向。
这里的最大化未来行动可能简单理解即更多的自由，比如人类努力工作经营生活以赚钱更多金钱，即是为了未来具有更多的自由（买更多的商品、做更多的投资、更多的生活方式选择等）。
在他的公式中，智能力F等于温度（或者说能量）乘以特定时间内未来行动可能的梯度，即未来行动的可能性越大，智能力F也就越大。这公式并不是感性奇想的产物，格罗斯依照热力学、统计学对这个公式进行了严谨的推导，并依赖他的理论开发了相应的计算机人工智能程序进行说明。
半个多世纪已来，引力、电磁力、强作用力和弱作用力，被科学界视为支配宇宙的四大基本作用力而一直无法统一。
科学界一种观点指出，墒增定律所展示出的物质总是趋向热力学平衡方向运动，可以直接视为一种作用力，它总是指向热力学分布不均衡的方向。甚至可以将熵力Entropy force作为四大基本作用力之母使其得到统一。
格罗斯据此进一步指出，智能体的行为是墒增定律的一种表现，因果熵力驱动智能体总是朝向未来最大化行动可能的方向发展。
因果熵力也因为过分忽略了智能体的行为复杂性而受到很多科学研究者的批评，但格罗斯把智能和物理学联系在一起，尝试用物理定律和物理公式来解释的方法，既天马行空又富有启发。
点此到TED官网观看格罗斯因果熵力演讲
点此观看因果熵力论文英文原版
正如航空技术需要空气动力学Aerodynamics理论，人工智能技术也正亟需系统化的Intelligent dynamic智能动力学技术进行来指引和推动。然而事实是目前并没有这样一门理论。
依赖于空气动力学，我们已经可以把数百吨的飞机送上蓝天，这是单纯模拟鸟类飞行所不可能实现的。仅仅是依赖于计算机技术和数学算法，以及对大脑神经网络的粗糙仿生模拟，我们的人工智能技术也必将受到种种制约，如果没有科学的系统化理论支撑，人工智能技术瓶颈也必然很快显露。
首先，智能是一种涌现现象，正如人体每个细胞都不会跑步、不会唱歌、不会吃东西一样，每个细胞也无法思考。对于智能现象，我们既要从微观细胞的新陈代谢和生物化学反应中对智能现象追根溯源，更要关注细胞的分化、器官的功能以及如何影响整个物体宏观智能水平的提升。
智能的本质是预测。智能体能够进行预测的前提是自身能够建立反映真实世界的思维模型。最原始生命的模型可能只是全世界只有两种情况，糖分更多或者更少，而更多的情况利于自身生存（参见生物智能部分）。
在现实中，世界是变化的，所以生物头脑中的世界模型也应该能够跟随真实世界进行不断变化调整，这就需要智能体具有感知和行为能力，即输入和输出能力，并且能够不断利用输入调整自身的世界模型。——除非在某些情况下假定环境是固定不变的，实际上绝大多数计算机软件都是按照环境固定来编写的。
世界模型应包含两个内容，记忆和思路，即真实世界的数据和运行规则。在此世界中不可能创建完全同容量的世界模型，所以世界模型需要简化、概括和优化。人类的记忆能力未必是最强，但对脑中模型的概括和优化能力远超其他生物。
智能是一种博弈能力，脑中世界模型和现实世界的竞赛。哪个物种能够在脑中形成更准确的世界模型，哪个物种脑中的模型运行的更加快速，它就可以在智能水平上占有优势，进而获得更大生存机会。
除了能够快速准确的进行预测，更重要的是世界模型的改进方向。正如某些人遇到挫折之后一步步走向罪恶深渊那样，错误的方向可能是致命的。
大自然已经使用DNA为所有物种设定了发展方向：存续和复制，即更多的同类和更久的物种延续。你可能并不认同这种物种的群体目标，也正如群体智能SI无情碾压工蚁工蜂的个体生命意义一样，我们必须接受这样的现实，即物种并不是以个体的幸福、长寿和自由为目标的，这在尤瓦尔赫拉利的《人类简史》中已有清晰的阐述。
生物智能的目标是自然设定的，源自于物种全部DNA信息的宏观态涌现。
作为一项科学，没有合理的评估标准是可笑的。假想研究力学的科学家如果没有了力学单位，将是多么荒唐的事情。
然而我们至今未能建立起对于智能可行评估方法。我们说，某只猫的智能水平胜过某只鱼，完全是一种纯感性的臆断。智商测试IQ曾经提供了一套非常不精确评估人类智能的方法，但其中充满了经验性的测试题以及毫无根据的评判手段。
几十年来将图灵测试作为人工智能科学的测试方法，其实在用社会科学的方法评估自然科学，简直荒唐的可笑。
在很多模式识别相关领域，比如声音识别、图像识别中，越来越多的技术人员开始使用例如准确率、召回率等统计学方法来评估算法模型的综合水平，这是很大的进步。
但这些远远不够，模式识别距离我们真正期望的通用智能还有很大差距，同时这些结果所展示的数字，也根本无法解释其智能水平和模型结构、预测过程之间的关系。
机器人是否能够产生自我意识？回答是必然的。
正如我们被火灼伤之后才能意识到疼痛那样，意识只是我们对自身和现实进行交互的“事后感知”，以此调整我们脑中的世界模型，重新预测，采取行动。
如前所述，镜中自我测试已证明，自我意识是包括人类在内的高级智能生物在出生后形成的，也就是说，自我意识是高级智能系统也就是大脑的涌现现象。
拒绝机器人产生自我意识，就等于拒绝创造高级智能系统。
智能系统至少包含三个关键要素：子单元数量（如生物神经元或计算机模拟神经元数量）、分化水平（包括纵向的层级分化和横向的器官分化）、运行速度（即子单元、层级、器官之间信息交换的速度）。
智能技术必须要有系统的科学理论，能以数学的形式解释现实智能系统中各个层级的复杂度Complexity和智能行为涌现之间的规律。
简而言之，该理论必须能明确给出说明，何种数量的单元，何种结构的系统，以何种形式的运作，能够形成何种水平的智能。
在接下来人工智能的小节中，我们将介绍当前人工智能的主要思想流派和解决方案，结合以上论点，可以较为清楚的知晓当今人工智能的整体水平以及未来发展方向。
人工智能通识文章索引
每个人的智能决策新时代
如果您发现文章错误，请不吝留言指正；
如果您觉得有用，请点喜欢；
如果您觉得很有用，欢迎转载~
END